本平台设计一套集成学习系统用来精确预测未来时间段的流量，本系统使用随机森林，SVR，三指数 平滑、GBDT，BPNN等传统算法和机器学习算法作为单模型，并通过集成学习的方式提高预测准确率。

01. 成果简介 随着国民经济的快速发展，机动车辆增长迅速、路面交通任务日益繁忙，国内交通安全形势面临日益严峻的考验。虽然基础应用系统已经达到了较高的技术和应用水平，但也存在着一些问题和不足：各应用系统只针对本系统的数据处理；局限于简单的统计，统计信息都有其局限性，出现“信息孤岛”现象；无法实现数据融合、信息共享，不能为交通运行评估和辅助决策提供依据；不能进行相关系统的协同联动，使之使用在日常工作中；工作效率仍没有显著提高；由于缺少科学管理手段，各交通管理部门，越来越难以适应当前形势的要求。主要表现在：1）信息孤岛问题；2）缺少跨系统信息融合分析及挖掘；3）信息服务、协同指挥及公共服务功能不足；4）公路交通状况管控困难。 本成果团队自主研发的广度学习基础计算系统集成平台提供了一个基于全量多模态数据融合和协同挖掘分析的大数据智能系统支撑框架，可以对在地理、空间上分散的人、设备、环境、事件等进行大规模实时关联和因果分析，以指导复杂态势环境下的指挥行动。这些大数据技术已被运用于交通态势分析和预测，如实时分析城市交通流量与预测等。基于通用的大数据融合智能分析平台，使指挥人员和调度人员能在单一系统内解决所有问题，包括各类交通情报分析（情报报告，事件行为等），关联分析（背景、跟踪、时空、反应等）和预判决策等功能。系统利用统一数据融合服务（UDFS）和统一视频融合服务（MVFS）等技术手段，将跨界多源动静态交通数据进行融合利用，并产生统一的道路交通基础知识图谱（DKG），然后统一提供给拥有计算能力的融合计算引擎基础算力平台（TAIOS），训练和调度各类模型算法（TAIMODEL），生成基础应用工具和基础应用指标，最后通过组合统一用户管理（４A）和统一指挥调度（TBOCC）到具体的业务流程中，构成各类闭环场景应用，从而产生智能、精准的道路交通治理优化方案，提升道路的畅通程度和安全水平。 图1. 数据融合图2. 态势感知02. 应用前景 广度学习基础计算系统集成平台应用于智慧交通领域，其创新成果已在贵州省交通管理局复合型大数据交通态势感知指挥云平台工程建设中得到应用，创造了良好的经济和社会效益。填补了国内在交通管理领域大数据融合应用空白。是提升交通管理的跨界数据融合、功能融合、管理融合、指挥融合的创新型技术。促进了我国交通大数据智能管理建设技术水平的提高，促进了交通管理行业的技术进步。该项目具有广阔的市场前景。03. 知识产权 已申请发明专利9项。04. 团队介绍 本项目以清华-青岛数据科学研究院（挂靠软件学院，以下简称数据院）韩亦舜执行副院长团队为核心。数据院于2017年8月下设交通大数据研究中心，该中心面向国家重大战略需求，专注跨界融合大数据、机器学习、人工智能技术在交通行业全流程数据科学和数据工程的核心技术创新应用研究，在交通管理、交通运输规划与管理、公共交通、物流运输等领域开展跨界大数据融合智能交通应用示范。05. 合作方式 投融资 / 专利许可。06. 联系方式 邮箱：liuc1988@tsinghua.edu.cn、liuyi2017@tsinghua.edu.cn

超星客户端是为期刊编辑部提供的可用于学术资源“域出版”的唯一移动出版平台，也是为移动终端用户提供的集阅读、科研、学习、交流、管理等用途为一体的现代化综合移动服务终端，包括文献、图片、音频、视频、论坛和授课等多媒体互动功能。

爱学习，为全国教育机构提供高品质教学产品及办学解决方案。平台围绕“开放连接，成人达己”的战略路线，整合“教研、教学、服务、营销、管理”五大版块，业务涵盖七大学科产品及备授课系统、直播教学、师资培训、学员测评、营销招生、办学咨询等多个领域，截至目前，爱学习全国合作伙伴超过8000家，业务覆盖全国30个省份1600个县市，服务学员总量超过1200万，年均超过500名学员走进清华北大，并在成都、杭州、深圳、西安等9个城市建立教研和营销服务中心，更好地构建教育赋能新生态。

爱学习教育集团（原高思教育集团）成立于2009年12月，并于集团十周年之际，由“高思教育”品牌升级而来。集团是一家以学生成长为中心、以内容和科技为驱动、以新教育模式为载体，推动公平而有质量的K12教育普及的科技教育公司。多年来，集团秉承“让每个孩子爱上学习，收获成长”的使命，将教研教学和科技研发作为核心驱动力，并在人工智能、大数据、云服务等领域积极开展探索创新，旨在通过教育与科技的融合，实现数字化转型，致力于打造“内容和科技驱动的K12教育供给平台”。

本发明提供了一种基于社区的在线学习系统的学习激励机制，在以课程为社区的学习系统中，通过 对用户活动的综合评价，得出用户使用系统的情况；而用户的活动分为两部分：用户下载资源数和用户 回答问题数，这两者构成用户影响传播图，再结合用户好友关系和用户之间的间接影响带来的多阶传播， 得到用户影响传播矩阵，采用自己设计的类 PageRank 算法，计算用户的声誉值，作为在线学习系统中 用户的平时成绩，从而激励用户多参与课程社区的活动，来提高自己的声誉值。&

本项目经过多轮反复筛选历时三年最终设计了100多种结构化合物，并确定了具有促成体神经发生高活性的新专利骨架。该类化合物在1mg/kg仍然有非常高的显著活性，可以通过药物刺激大脑海马区的神经细胞再生，替换死亡的神经元细胞功能，从而增强与海马区相关的学习和记忆能力。 一、项目分类 关键核心技术突破 二、技术分析 随着社会的发展，人口老龄化速度正在加快，早老性痴呆症的发病率在65岁左右的老年人中约占10％，或有6000多万人患有不同种类的痴呆症。目前治疗阿尔兹海默症的药物均无法延缓痴呆症的进展。任何一个能成功治疗阿兹海默疾病的药物至少获取200亿的利润。本项目经过多轮反复筛选历时三年最终设计了100多种结构化合物，并确定了具有促成体神经发生高活性的新专利骨架。该类化合物在1mg/kg仍然有非常高的显著活性，可以通过药物刺激大脑海马区的神经细胞再生，替换死亡的神经元细胞功能，从而增强与海马区相关的学习和记忆能力。 本项目的药物属于小分子，结构稳定，非常易于工业合成。本项目的候选药物是促进患者自身提高大脑区海马神经发生弥补受损神经元的缺失功能，因此在疗效上与单纯抑制或是提高神经递质类水平药物相比存在巨大竞争优势。预估计，随着时间的推移，该候选化合物上市后，可以取代这些药物的总市场的50%-70%。目前已经获得中国和美国发明专利授权。

围绕学习者网上自主学习，创新性的引入人脸实时识别功能对学习过程进行判断，这个判断可以由教师进行开启或关闭，并设定判断标准。对学习资源采用课程资源包的形式，支持上传和在线编辑多种形式的资源。资源可以设定学习时长和作业测试，未达标则不允许进行下一步学习，包括人脸核验失败也会暂停学习动作，避免出现非本人等无效学习现象。 课堂交互能增加课堂趣味，提升学习者兴趣，并可进行课前、课中、课后报告对比。课末考试能及时检查学习效果。学习报告能统一呈现课程资源的学习时长、学习进度、考试成绩、教师评价等信息。

该平台包括多项核心技术和技术优势： （1）基于逻辑隔离机制的算力主机安全保护。实现了一种基于逻辑隔离机制的沙箱算力环境，能够独立于用户的系统进行计算。通过计算环境隔离、数据的存储隔离、网络环境的隔离，保障了算力运行环境独立于用户系统，互不干扰。 （2）多源异构数据的混合学习模型。提出一种基于深度学习的多源异构数据的混合学习模型，该模型通过深度学习进行不同数据源的特征提取，然后再通过深度学习的融合训练得到结果。 （3）高并发任务的调度。采取动态分配任务的机制，根据当前不同地区网络的传输速度，算力的分布情况，训练数据量的大小，根据制定的规则找到最合适的几个服务地点进行任务分配、数据传输以及分布式训练，最大化地利用当前算力资源。 （4）数据隐私保护。通过联邦学习、同态加密训练、区块链数据确权等方式加强对用户数据的保护。实现了一套基于同态加密和多方安全计算的训练系统，能够完全保护用户的数据隐私性。 （5）区块链记录及激励。“计算即挖矿”，系统根据用户提供的计算资源以及资源利用率来进行区块的奖励，算力越大获得的奖励也就越多。通过搭建的区块链可以记录数据的交互信息以及使用权，并可搭建智能合约平台。 该协作学习平台撮合各方业务和资源，包括算力、数据、模型，结合分布式机器学习、安全多方计算技术，提供保护隐私数据、算法模型前提下的协作学习服务，通过底层分布式账本记录，电子合约对接供需方，智能匹配资源对接，建立AI协作生态。具有以下优势：协作低成本、平台化；具备数据隐私保护，打破共享壁垒；后台底层账本对平台使用中产生的模型、数据、算力、广告收入等进行管理，保证数据可信；操作便捷，可提供定制化服务，高效最优匹配。02. 应用前景 该协作学习平台可用于人工智能、互联网广告、金融等领域，为中小型企业、科研机构或个人提供算力共享、数据共享、模型共享与模型开发等服务，具有广阔市场前景。03. 知识产权 已申请发明专利16项，登记软件著作权1项。04. 团队介绍 本成果团队长期研究区块链、人工智能、网络安全等。团队课题负责人为徐恪教授、博士生导师，清华大学计算机系副主任，国家杰出青年科学基金获得者，北京市卓越青年科学家。获得国家科学技术进步奖二等奖、国家技术发明奖二等奖，2011年获中国计算机学会青年科学家奖，是中国电子学会理事和中国计算机学会理事，曾在ACM SIGCOMM、IEEE/ACM TON、IEEE Communication Magazine等知名国际会议、期刊发表论文100余篇，近五年获得中国发明专利授权四十余项，获得美国发明专利8项。团队成员还包括多位教授、副教授、研究员和博士研究生。05. 合作方式 投融资 / 商务合作。06. 联系方式 邮箱：liuyi2017@tsinghua.edu.cn